데이터 기반 콘텐츠의 산을 오르는 방법

이 과정을 통과하는 열쇠는 2차 효과(어떤 데이터 포인트가 가장 많은 링크 또는 PR을 얻을 것인지)에 집착하지 않고 기본으로 돌아가서 '데이터가 실제로 청중을 어떻게 도울 수 있습니까?'라고 묻는 것입니다.

회사가 보유한 데이터(사용자 데이터, 제품 데이터, 수집 또는 구매한 데이터)는 전 세계와 공유할 수 있는 스토리, 통찰력 및 아이디어의 모음입니다. 데이터를 사용하여 실제적이고 의미 있는 도움을 제공하면 트래픽, 링크 및 언론 보도가 뒤따를 것입니다.

대부분의 데이터 기반 콘텐츠의 이상한 문제

데이터 기반 콘텐츠는 하나 이상의 데이터 포인트를 청중에게 유용한 스토리의 핵심으로 사용하는 콘텐츠입니다.

그 정의의 모든 부분이 중요합니다.

1. 데이터 기반 콘텐츠 에는 합법적인 데이터가 포함되어야 합니다 . 이것이 작은 통계인지 전체 산업의 분석적 분석인지는 중요하지 않습니다. 그 소유권, 수집 또는 구매 여부도 중요하지 않습니다. 데이터는 데이터입니다.
2. 데이터 기반 콘텐츠에서 데이터는 스토리를 주도합니다. 그것은 여전히 ​​​​훌륭한 콘텐츠여야 하며, 귀하의 경험과 전문 지식에서 얻은 통찰력, 지식 및 이해로 데이터를 포장해야 합니다.
3. 그 데이터와 통찰력은 청중을 도와야 합니다 . 제품을 최대한 활용하거나 다른 업계와 비교하여 벤치마킹하는 데 도움이 될 수 있습니다. 그러나 당신이 쓰는 사람들은 가치를 가지고 그것으로부터 멀어져야 합니다.

그것은 정말 기본적인 정의이지만 만들어져야 합니다. 모든 사람이 1점을 얻고 대부분의 사람들이 2점을 얻으면 사람들이 고개를 돌리는 것은 3점입니다.

동일한 청중을 위한 데이터 콘텐츠를 작성하는 대신 다른 모든 콘텐츠를 작성하는 대신 "링크 가져오기"의 원하는 결과로 작성합니다. 그들은 핵심 독자를 위해 콘텐츠를 유용하고 문제 해결하도록 만들 기회를 무시합니다.

이것의 가장 지독한 형태는 PR 및 언론 언급을 위해 글을 쓰는 것입니다. 더 나은 일대일에 대한 1,200단어가 있는 뉴욕 타임즈 웹사이트에 올 사람은 아무도 없습니다. 그러나 사람들은 데이터 콘텐츠에서 이를 기대합니다. 훌륭한 콘텐츠에는 2차 효과로 링크와 언론 언급이 있습니다.

그러나 첫 번째 효과는 항상 독자를 돕는 것이어야 합니다.

이것이 Wistia가 동영상 CTA 사용에 대한 모범 사례를 공유하고자 할 때 한 일입니다.

그들은 고객과 잠재 고객이 다른 사람들이 CTA를 어떻게 사용하고 있는지 이해하기를 원한다는 것과 도움이 될 데이터가 있다는 것을 알고 있었습니다. 그래서 그들은 CTA가 가장 잘 작동하는 방법을 사용자에게 알리기 위해 "324,015개의 비디오에서 481,514개의 클릭 유도문안을 포함하여 Wistia 호스팅 비디오의 360만 개 이상의 사용자 정의"를 분석했습니다.

Wistia 가이드에서 비디오 마케팅의 클릭 유도문안까지

이 문서는 수만 건의 조회수를 생성할 뿐만 아니라 다음을 수행합니다.

• Wistia 영업팀의 영업 자료 역할을 합니다. 잠재 고객과 통화 중인 경우 이 부분을 알려 CTA에서 기대하는 전환율을 비디오로 표시할 수 있습니다.
• 고객 성공 팀을 위한 조언 역할을 합니다. 그들은 이 정보를 사용하여 현재 고객이 동영상에서 CTA를 더 잘 사용하고 성공하도록 도울 수 있습니다.

이것은 New York Times 나 Boston Globe 의 첫 페이지를 장식하지 않았지만 Wistia 고객을 데려왔고 그들이 더 성공적이었던 고객을 도왔습니다. 그렇기 때문에 데이터 콘텐츠를 작성하는 것입니다.

백링크와 언론 언급은 저널리스트 우선으로 작성된 모든 것과 마찬가지로 이러한 독자 중심 데이터 게시물에 자연스럽게 나타날 수 있습니다. Facebook 광고 비용을 벤치마킹하는 기사인 AdEspresso 블로그에서 가장 많이 링크된 기사에는 거의 천 개의 참조 도메인에서 가져온 4,170개의 엄청난 백링크가 있습니다. 이것은 매우 평판이 좋은 출처(AdEspresso는 6억 3,600만 달러 이상의 광고 지출을 관리하고 있음)에서 매우 많이 찾는 정보이므로 Facebook 광고를 사용하는 모든 사람은 이 정보에 다시 연결할 것입니다.

보도를 받는 것도 마찬가지입니다. COVID-19 대유행이 시작된 5월에 급여 협상 플랫폼 Candor가 제작한 글로벌 고용 시장에 대한 이 작품은 좋은 언론의 주목을 받았습니다.

먼저 도움이 되어 언론에 보도되었습니다. Candor는 크라우드소싱 데이터를 사용하여 전 세계적으로 전염병이 확산됨에 따라 직원을 고용, 동결 또는 해고한 사람의 목록을 신속하게 생성했습니다.

그런 다음 기사에서는 이 목록을 사용하여 업계, 위치 및 부문별로 분류하여 독자들이 여전히 일자리가 어디에 있는지 알 수 있도록 했습니다.

COVID -19의 글로벌 고용 시장 현황에서

수천 명의 사람들이 절실히 필요로 하는 시기에 세계 고용 시장에 대한 중요한 정보를 제공했습니다. 물론 기자는 그것에 대해 쓸 것입니다. 이 기사는 독자들에게 먼저 도움이 되었으며, 그 부산물은 Candor에 대한 더 많은 트래픽과 언론이었습니다.

모든 회사가 작성할 수 있는 4가지 유형의 데이터 콘텐츠

Wet Wet Wet 의 좀 더 괴상한 버전은 "Data is all around"라고 불렀을 것입니다.

Animalz의 우리는 100개가 넘는 회사와 일했으며 모두 데이터 콘텐츠를 작성했거나 작성할 수 있습니다. 데이터를 찾는 문제가 아닙니다. 올바른 데이터를 찾는 문제입니다.

다시 말하지만 이것은 독자 중심입니다. 독자가 알아야 할 데이터는 무엇입니까? 독자가 통찰력을 필요로 하는 데이터는 무엇입니까?

1. 독점 데이터 콘텐츠

당신이 소유한 데이터는 항상 기록하기에 가장 좋은 데이터가 될 것입니다. 당신이 그것을 가장 잘 이해하고 청중에게 가장 유용하며 무수히 많은 방법으로 사용될 수 있습니다.

AdEspresso는 752,626개의 Facebook 광고를 분석했습니다. 그리고 우리가 배운 내용은 다음과 같습니다. AdEspresso는 전체 광고 예제 라이브러리를 살펴보고 Facebook 광고의 구성을 분석했습니다.

이 기사의 독자는 수십만 명이며, 그들 각자는 동급 최고의 Facebook 광고를 만드는 방법을 배웠습니다. 이것은 위의 Wistia 예와 같은 기술적으로 제품 데이터가 아닙니다. 대신 AdEspresso가 청중과의 관련성을 이해했기 때문에 구축한 접선 데이터 세트입니다. 분석은 해당 청중에게 더 많은 도움이 됩니다.

이 기사는 2015년에 처음 게시된 후 2018년에 업데이트되었습니다. 이는 데이터 콘텐츠에 매우 중요하며, 종종 유통 기한이 있습니다. 원격 작업을 위한 5가지 팁 의 진실은 영원하지만 데이터는 빠르게 부실해지며 가능한 한 자주 업데이트해야 합니다.

그러나 이 추가 작업에는 추가 트래픽이 있습니다.

이 기사를 새로 고쳤을 때 두 번째 이메일 버스트 및 배포로 인해 트래픽이 두 번째 급증했지만 데이터 노후화로 인해 감소하고 있던 기본 유기적 트래픽도 증가했습니다. 이제 다시 노화되고 있으므로 이 기사는 아마도 내년에 또 다른 업데이트가 있을 예정입니다. 그러나 새로 고침되면 기준 트래픽이 또 다른 증가와 함께 급증하는 것을 다시 볼 수 있습니다.

모든 데이터 기사가 보유하고 있는 모든 데이터를 볼 때 거대할 필요는 없습니다. 단일 데이터에 집중하는 짧은 기사도 청중에게 도움이 될 수 있습니다. 최적의 비디오 길이에 대한 Wistia의 이 기사는 800단어 미만이지만 독자에게 비디오 길이에 대한 정보에 입각한 선택을 하는 데 필요한 모든 정보를 제공합니다.

이 기사는 위의 CTA 가이드에 대한 대규모 데이터 분석의 파생물로 작성되었습니다. 많은 양의 데이터 콘텐츠를 생성하는 경우 다른 기사에 대한 결과를 재사용하고 다시 혼합할 수 있는 방법에 대해 생각하십시오. 각 데이터 요소를 작은 자체 문서로 분리하고 거기에서 세부적으로 확장할 수 있습니다. 단지 그것에 관심이 있는 사람들은 더 큰 부분을 헤매지 않고 기사에 집중할 수 있습니다.

2. 공개 데이터 콘텐츠

공개 데이터는 독점 데이터가 제공하는 기본 제공 우위를 제공하지 않습니다. 이론상, 누구나 그것을 찾고 그것에 대해 쓸 수 있습니다. 따라서 통찰력을 가져와야 합니다.

이것이 CB Insights가 데이터 콘텐츠에 접근하는 방식입니다. 때로는 작업할 독점 데이터가 있지만 비즈니스와 기술에 대한 이해가 너무 높아 외부 데이터를 사용하는 경우에도 자신의 데이터처럼 느낄 수 있습니다.

Uber가 돈을 버는 방법과 잃는 방법:

CB Insights는 Uber의 재무 운영 방식에 대한 인터넷의 가장 포괄적인 보고서를 작성하기 위해 "Uber의 공개 재무 및 사용자 데이터, Uber의 고위 팀원들의 진술, 그리고 그곳의 리더들과의 인터뷰에서 형성된 Brad Stone의 The Upstarts와 같은 텍스트를 조사했습니다." 데이터는 다른 곳에서 찾을 수 있지만 통찰력과 분석은 그렇지 않습니다.

Uber가 돈을 버는 방법과 잃는 방법에서

이러한 통찰력과 분석은 종종 훌륭한 데이터 콘텐츠를 차별화할 수 있습니다.

데이터 콘텐츠의 일반적인 결함은 너무 진부할 수 있다는 것입니다. 숫자만 설명하지만 독자를 끌어들이고 맥락에서 데이터를 설명하는 스토리 내에서는 설정하지 않습니다. 데이터는 관심을 끌기 때문에 그 자체로 도움이 될 수 있습니다. 그러나 독자에게 데이터 포인트가 그들에게 무엇을 의미하고 그 지식으로 다음에 무엇을 할 수 있는지를 보여주는 것이 더 도움이 됩니다.

Clearbit의 전체 제품은 데이터를 기반으로 합니다. 그들은 마케터가 고객(회사, 산업 및 규모)에 대한 데이터에 액세스할 수 있도록 하는 API 및 제품을 제공합니다. Clearbit은 구축해야 하는 통합에 대한 기사를 작성했으며, 여기에서 수십만 기술 회사의 데이터를 분석하여 가장 인기 있는 기술 도구를 결정했습니다. 왜요? Clearbit이 청중에게 권위 있는 추천을 할 수 있도록.

구축해야 하는 소프트웨어 통합에서

"사람들이 Shopify를 사용합니다."라고만 말한 것이 아닙니다. "사람들은 Shopify를 사용하며 이 정보를 사용하여 Shopify 통합을 구축하여 사용자 기반을 늘릴 수 있습니다." 데이터는 기사의 핵심이지만 CB Insights 기사와 마찬가지로 통찰력은 독자를 돕는 것입니다.

3. 설문 데이터 내용

데이터를 소유하지 않고 데이터를 찾을 수 없다면 언제든지 요청할 수 있습니다.

설문조사는 빠른 Google 양식 링크를 트윗하면 데이터를 수집하게 됩니다. 질문을 제어하여 데이터를 제어하므로 정리, 구문 분석 및 분석이 줄어듭니다. 결과를 얻고 빠르게 작성할 수 있습니다.

이것이 내 전 Animalz 동료인 Jimmy Daly가 Superpath 블로그에 대한 설문조사를 실행한 방법입니다.

그는 Twitter와 Content Marketing Slack 그룹에서 설문조사를 보내고 기다렸다가 대조합니다. 그는 몇 가지 빠른 그래픽을 조합하여 결과를 표시한 다음 기록합니다. 여기에서 그는 콘텐츠 마케팅의 급여와 사람들이 급여를 받는 공정한 느낌을 성별과 민족별로 분류하여 살펴보고 있었습니다.

설문 조사에서: 당신은 정당한 급여를 받고 있습니까?

이런 식으로 Superpath는 거의 상승하지 않고 한 달에 두 번 데이터 기반 콘텐츠를 얻을 수 있습니다.

설문조사를 훨씬 더 큰 데이터 분석의 기초로 사용할 수도 있습니다. 작년에 보험 신청 및 갱신 플랫폼 Indio는 갱신 상태 보고서를 발표했습니다. 이것은 400개 이상의 기관을 대상으로 한 설문 조사를 기반으로 했으며, "갱신 제출 패킷을 클라이언트에게 전달하는 것부터 시장에 출시할 준비가 된 서명되고 완료된 신청서를 받는 것에 이르기까지 전체 갱신 프로세스"를 조사했습니다.

보험 갱신 상태에서

설문 조사는 리드 생성에도 효과적입니다. Indio와 마찬가지로 답변으로 자산을 만들 수 있습니다. 그러면 다음 설문조사를 가장 먼저 다운로드한 사람 목록에 이메일로 보내고 응답을 요청할 수 있기 때문에 자동으로 지속됩니다. 이메일 목록뿐만 아니라 데이터 세트도 동시에 증가합니다.

4. 실험 데이터 내용

아마도 가장 재미있는 데이터 기반 콘텐츠는 실험일 것입니다. 이 실험은 (a) 작동 방식을 보여주고 (b) 가치를 보여주기 위해 어떤 식으로든 제품을 포함해야 합니다.

이러한 유형의 콘텐츠는 분석적이기 때문에 설정 및 분석이 다른 유형보다 약간 더 복잡합니다. 데이터 콘텐츠는 기본적으로 두 가지 유형으로 나눌 수 있습니다.

1. 기술 데이터 콘텐츠: 기술 통계를 사용하여 데이터를 해석하는 곳입니다. 벤치마킹은 이에 대한 좋은 예입니다. 여기에서 독자가 이해할 수 있도록 개수(752,626개의 Facebook 광고), 평균(평균 헤드라인 길이는 5단어) 및 백분율(기업의 33.04%는 자세히 알아보기 CTA를 사용했습니다)을 사용합니다. 그들은 다른 사람들과 관련이 있습니다.
2. 분석 데이터 콘텐츠: 이것은 두 데이터 세트(전/후 또는 대조군/실험 집단) 간의 변경 또는 차이점을 구체적으로 자세히 설명하려고 할 때입니다. 여기에서 실험이 적절하게 과학적이면 백분율(전환율 5.45% 증가) 또는 p-값을 볼 수도 있습니다.

"전환율 5.45% 증가"는 가입 과정에서 마찰을 줄이는 방법에 대한 Segment의 기사에서 가져왔습니다.

이 경우 Clearbit과 함께 자체 제품을 사용하여 신규 사용자를 위한 가입 흐름 기능을 개선하는 실험을 했습니다. 이것은 거의 모든 기술 회사가 매일 실행하는 일종의 UX 실험이지만(실행하는 모든 A/B 테스트를 생각해 보십시오) Segment는 결과를 작성하여 콘텐츠에 사용하기로 결정했습니다. 독자에게 Segment 및 Clearbit 사용에 대한 구체적인 결과를 제공하고 독자가 이를 수행하는 방법을 보여줍니다.

제품을 개선하기 위해 실험을 실행하고 있지 않더라도 재미를 위해 실험 데이터 콘텐츠를 만들고 독자가 도구와 도구를 사용하여 얻을 수 있는 결과를 이해하도록 도울 수 있습니다. 버퍼는 독자를 돕기 위해 지속적으로 실험을 실행합니다. 타사 소셜 미디어 도구가 도달 및 참여에 부정적인 영향을 미칩니까? 200개 이상의 게시물 실험 및 결과 소셜 게시를 위한 다양한 도구를 실험하여 일부 도구가 도달범위에 부정적인 영향을 미치는지 여부를 알아냅니다.

타사 소셜 미디어 도구가 도달 및 참여에 부정적인 영향을 미칩니까? 200개 이상의 사후 실험 및 결과

제품이 작동하면 실험을 실행하고 작동하는지 보여주는 것이 생산할 수 있는 최고의 데이터 기반 콘텐츠 중 일부입니다. 독자들에게 그것이 효과가 있다는 것뿐만 아니라 최상의 결과를 얻기 위한 모든 모범 사례를 보여줄 수 있다면, 독자들에게 진정으로 가치 있는 것을 만들 수 있을 것입니다.

데이터 콘텐츠 시작하기

데이터 콘텐츠는 어렵지만 보람이 있습니다. 당신은 세상에 완전히 새로운 것을 추가하게 될 것입니다. 우리는 많은 다른 회사들과 함께 이것을 많이 했습니다. 그 모든 경험을 바탕으로 이 연습을 시작하는 몇 가지 방법과 피해야 할 몇 가지 함정이 있습니다.

1. 고객이 알아야 할 사항을 찾는 것부터 시작하십시오.

하나가 있는 경우 영업 팀은 고객이 알아야 할 사항을 찾을 수 있는 좋은 장소입니다. 귀하의 팀은 매일 고객과 이야기를 나누며 귀하의 제품에 대한 반대 의견과 질문을 듣습니다. 데이터 콘텐츠는 훌륭한 영업 자료이며 영업 사원이 이러한 반대 의견과 잠재 고객의 질문을 미리 파악하는 데 도움이 될 수 있습니다.

콘텐츠 및 영업 협업의 좋은 예입니다.

또는 사람들에게 직접 물어볼 수 있습니다.

우리는 지금 데이터 콘텐츠에 대해 작업하고 있으므로 Ryan은 CMCG의 다른 콘텐츠 마케팅 담당자에게 그들이 무엇을 알고 싶어하는지 직접 물었습니다. 이는 보고서의 초점이 어디에 있어야 하는지 이해하는 데 도움이 됩니다.

여기서 함정은 모든 사람에게 모든 것을 시키려 한다는 것입니다. 예, 여러 데이터 요소를 다루는 대규모 보고서를 생성할 수 있지만, 시작하는 경우 흥미로운 질문 하나를 찾아 심층적으로 해결하면 귀하와 청중이 들뜨게 될 것입니다.

2. 질문이 있으면 데이터가 질문에 답할 수 있는지 알아보십시오.

데이터에 어떤 비밀이 있는지 이미 알고 있을 수 있지만 콘텐츠에 대한 방향이 정해지면 세부 정보에 들어갈 수 있습니다. 실제 분석을 시작하기 전에 데이터를 정말 잘 이해하고 싶을 것입니다. 독점 데이터를 말하는 경우 데이터베이스에 있는 내용을 정확히 알고 있다는 의미일 수 있습니다. 데이터를 수집하고 있다면 무엇을 어디에서 얻을 수 있습니까?

이 단계의 함정은 여기서 충분한 시간을 보내지 않는다는 것입니다. 당신이 약간의 데이터 괴짜라도 분석을 시작하고 싶을 것입니다. 그러나 여기에서 보낸 시간은 나머지 프로세스의 속도를 높일 것입니다.

3. 빠르고 가벼운 분석 유지

모든 유형의 분석을 처음 접하는 경우 이 부분이 예감되는 부분입니다. 그러나 대부분의 질문은 매우 간단한 분석으로 답할 수 있습니다. 데이터 엔지니어가 될 필요는 없습니다. 기계 학습을 실행하지 않을 것입니다. 개수, 합계, 비율 및 백분율 측면에서 생각해야 합니다.

위의 Phillip Paquette의 질문을 살펴보겠습니다. 기둥 페이지를 가리키는 클러스터 조각이 몇 개입니까? 평균적으로 얼마나 많은 외부 링크가 기둥으로 다시 연결됩니까?

이것은 단지 계산하고 평균하는 것입니다. 그러나 그것은 우리 청중이 가지고 있는 근본적인 질문에 답합니다.

여기서 함정이 도사리고 있다. 너무 많이 하려고 하거나 분석에 대한 특정 목표가 없습니다. 그렇기 때문에 위에서 언급한 두 단계가 매우 중요합니다. 시작하기 전에 지침을 제공하고 데이터를 잘 이해하여 신속하게 답변을 얻을 수 있는 질문이 필요합니다. 여기에서 더 적은 시간을 사용하려면 이 전에 더 많은 시간을 가져보세요.

4. 이미지와 그래프가 모든 차이를 만듭니다

차트와 그래프는 데이터 콘텐츠의 핵심입니다. 당신은 단어로 숫자를 설명할 수 없습니다. 여기에 시간을 할애하십시오. 사용하기 쉽고 그래프를 더 매력적으로 만드는 몇 가지 훌륭한 도구가 있습니다. Animalz에서 우리는 직선 Google 스프레드시트 차트, Figma, D3 및 plot.ly를 혼합하여 사용합니다.

Excel 또는 Google 스프레드시트 그래프만 사용하는 경우에도 제목이 있고 축에 레이블이 지정되어 있는지 확인하십시오. 청중에게 각 차트가 무엇을 보여주고 있는지 매우 명확하게 하면 기사가 더 설득력 있고 개별 이미지를 더 쉽게 공유할 수 있습니다.

설계를 개선하지 못하는 함정이 있습니다. 팀에 디자이너가 있다면 반드시 참여시키십시오. 당신만 있다면, 디자인 요소를 더 잘 이해하기 위해 각 기사와 함께 이미지를 반복하십시오.

5. 쓰기

여기서 가장 중요한 것은 스토리를 잊지 않는 것입니다. 이것은 단지 숫자를 암송하는 것이 아니라 여전히 잘 읽어야 합니다. 데이터를 철저히 설명하고 고객의 질문에 중심을 맞춰야 합니다. 이야기를 데이터에 맞추십시오. 그 반대가 아닙니다.

여기서 함정은 그 반대입니다. 스토리로 시작하여 백업할 데이터를 찾지 마십시오. 데이터가 스토리를 주도합니다 . 스토리로 시작하여 이를 뒷받침할 데이터를 찾는다면 그건 평범한 콘텐츠일 뿐입니다. 예상치 못한 위치에 있더라도 데이터가 주도하도록 기꺼이 하십시오.

최선을 다하는 노력

데이터를 분석하고 데이터 기반 콘텐츠를 작성하는 데 시간을 들이는 것보다 "5대 베스트 X" 목록이나 다른 모방 콘텐츠를 만드는 것이 항상 더 빠를 것입니다.

하지만 이 내용은 독자들에게 가장 유용한 콘텐츠입니다. 벤치마크를 통해 고객의 위치를 ​​알릴 수 있고, 성공하는 데 필요한 데이터를 보여줄 수 있으며, 제품으로 성공하는 방법을 설득할 수 있습니다. 데이터 기반 콘텐츠로 독자를 먼저 생각하면 독자의 성공에 도움이 되는 훌륭한 콘텐츠를 얻게 될 것입니다. 그 대가로 트래픽, 백링크, 그리고 BBC로부터의 링크까지 얻을 수 있습니다.